小麦是世界上主要的粮食作物之一,在农业生产中占有重要地位。快速、无损、准确监测小麦生长参数对于及时了解作物长势、预测产量有着重要意义。地面激光雷达能够精确、主动、快速获取小麦三维空间信息,与光学遥感手段相比,在监测小麦生长参数和结构信息方面具有独特的优势。本研究以不同年份、试验地点、品种、种植密度、氮素水平的连续2年的3个田间小麦试验为对象,获取不同生育时期的地面激光雷达点云数据,并同步获取小麦生物量和分蘖数,利用软件处理点云数据后得到的高度指标H和体积指标V分别与实测生物量建立模型,估算小麦生物量;进一步综合利用自适应分层和空间聚类的原理构建了提取分蘖数的算法(自适应分层和聚类算法)获得小麦分蘖数。本研究为基于地面激光雷达估算小麦生物量和分蘖数提供了方法参考,为地面激光雷达技术在其他作物上的生长监测提供了借鉴。首先,基于地面激光雷达监测小麦生物量。本研究对点云数据预处理后得到高度指标H和体积指标V,与实测生物量构建模型,并利用十字交叉检验法对模型进行检验。结果表明:(1)利用高度指标H95构建的生物量模型,决定系数R2为0.84,模型验证表现优秀(R2=0.81,RMSE=1.57 t/ha,RRMSE=32.55%),表明利用H95参数构建的生物量模型具有较好的准确性。(2)利用体积指标V构建的生物量模型,决定系数R2 为 0.86,模型验证结果良好(R2=0.77,RMSE=1.72 t/ha,RRMSE=35.74%),表明利用体积指标V预测生物量具有较好的准确性和可靠性。(3)2种估算方法相比,体积指标V具有更好精度和机理性,但是其外推性表现稍微差。然后,利用地面激光雷达估算小麦分蘖数。本文构建了一个新的算法(自适应分层和聚类算法)来提取小麦分蘖数:1)首先,获取任意一行小麦点云数据,将行宽Y轴投影到一个平面,保留行距X和株高Z平面。2)根据经验法,设定切层高度为4cm,利用小麦株高除以切层高度得到分层数目,即自适应分层,接着选取其中2层分别为叶层和茎层,利用2层点云之间是否有间隙来判断是否有一簇小麦。3)在2)中分好的一簇小麦中,引入聚类算法,来区分簇与簇之间的距离更紧密的小麦分蘖。结果为:2016—2017年如皋小麦试验,R2=0.61,误差RMSE和RRMSE分别为106、34.53%;2016—2017年徐州小麦试验和2017—2018如皋小麦试验准确度分别为R2=0.56,0.65;误差为RMSE=143,102,RRMSE=26.26%,22.84%;表明基于地面激光雷达点云数据构建新算法来估测小麦分藥数,具有较好的准确度和适应性。